微信开源WeMM-Embedding：把日调用10亿次的“找图”底座交了出来-AITOP100,AI资讯

9月4日，微信AI官方宣布将通用多模态嵌入模型 WeMM-Embedding 正式开源。包含2B、4B、9B三个参数版本，支持文本、图像、视频、视觉文档以及任意交错的多模态输入。

这则消息的特殊之处在于——开源的并非实验室里的“候选模型”，而是已经在微信生态内每天被调用10亿次的生产级模型。

一、什么是“嵌入模型”？

WeMM-Embedding 不是聊天模型，也不做内容生成。它的任务是把文本、图片、视频、视觉文档等不同模态的内容，统统转换到同一个向量空间里——让系统能在同一套语义坐标系下比较“一段文字”和“一张图片”在意思上有多接近。

用微信员工 @客村小蒋的话说：“简单说就是让系统能同时理解文字、图片和视频，把它们放在同一个语义空间里去比较和检索。”

你在视频号里刷到的推荐视频、在朋友圈搜到的那条动态、在微信电商里看到的商品——背后都是这个模型在做内容匹配。

WeMM-Embedding 以 Qwen3.5 多模态架构作为基础骨干网络。技术报告显示，其训练分为两个阶段：

此外，模型还采用了套娃表示学习（Matryoshka Representation Learning, MRL）——开发者可以根据实际需求将输出向量裁剪到不同维度，2B版本支持从64维到2048维的灵活输出，取256维时仍能保留98.7%的性能。这对大规模线上部署的效率优化至关重要。

微信开源WeMM-Embedding

在国际权威多模态嵌入评测基准 MMEB-v2 上（涵盖78个数据集），WeMM-Embedding 交出了一份“越级”的成绩单：

2B版本以77.9分，超越了此前业内领先的8B开源模型 Qwen3-VL-Embedding-8B（77.8分）——参数只有对方的四分之一，分数反超0.1分。

9B版本则以80.6分登顶 MMEB-v2 官方总榜榜首，全面超越此前所有已提交的开源与闭源商业模型。

在更严苛的 MMEB-v3 基准上（覆盖190项任务，增加了53项文本任务和47项Agent任务），9B版本同样以59.5分位列其对比表中的第一名。

WeMM-Embedding 最值得关注的一点，是它已经在生产环境里跑通了。

目前，该模型已大规模部署在微信的推荐与搜索系统中。覆盖的业务场景包括：

每日调用量达 10亿次。在正式全量上线之前，该模型在微信内部完成了14次在线A/B测试验证。

“10亿次日调用”这个数字的意义在于：它不是学术基准上的“刷榜”，而是真实用户请求驱动下的规模验证。一个模型能在10亿次/天的生产流量中稳定运行，说明其在延迟、吞吐和成本方面已经过了最严苛的检验。

微信团队此次开源并非“象征性开放”，而是完整的三件套：

采用 Apache-2.0 许可证。开发者可以自行下载、部署和二次开发。

大模型开源并非新鲜事，但把一个日调用10亿次的生产级模型完整开源，在国内互联网大厂中并不多见。

过去，许多大厂的开源模型往往是“实验室版本”——性能不错，但和线上实际运行的版本存在差距。WeMM-Embedding 的特殊之处在于，它开源的就是微信正在用的那个版本。这意味着开发者拿到的不是一个“学术玩具”，而是一个经过了14次A/B测试、在10亿次/天流量中验证过的生产级工具。

从技术角度看，2B版本以四分之一参数超越8B开源基线的“越级”表现，验证了数据规模和训练策略在嵌入模型中的价值——参数规模不是唯一的决定因素，高质量的训练数据和精细的后期微调同样关键。

微信团队在技术报告中表示，开放模型权重和代码是为了“促进未来研究”。对于多模态检索、推荐系统和 AI Agent 等方向的开发者来说，这确实是一个可以直接拿来用的高性价比选项。

AITOP100-AI资讯频道将持续关注AI行业新闻资讯消息，带来最新AI内容讯息。

想了解AITOP100平台其它版块的内容，请点击下方超链接查看

AITOP100平台官方交流社群二维码：

AITOP100平台官方交流社群二维码